像計算機一樣學習——如何將知識「編碼」到我們的大腦當中

2020-12-03 小單個人成長體系

這是單華偉的第一百八十二篇原創文章(2.0)

我們如何『 儲存 』信息

人類對任何事情的記憶,都會經過大腦獲取信息(編碼,encoding)、 保存信息(存儲,storage)和日後讀取信息(提取,retrieval)這樣一個過程。

當代心理學將記憶的『 儲存 』分為兩個階段:短時記憶和長時間記憶。

短時間內,人的大腦只能同時記住 4 - 7 個信息組塊,進入這個階段的信息也就進入了所謂的『 短時記憶 』,這個階段的信息只能維持 30 秒左右的時間,只有通過不斷的重複來增強記憶。

比如現在給你一段隨機數字: 328030524 ,你只能通過不斷重複來記憶,超過 30 秒沒有重複這個信息,你很可能就把這段數字忘掉。

而如果能對這段數字進行深層次的加工,比如把它同你的家庭住址,或者某個人的生日聯繫起來(3棟28樓03號,生日05月24日),這段數字就可能進入你的長期記憶。

將信息進行『 編碼 』的方法

前面講到,人類對任何事情的記憶,都要經過大腦的編碼,而所謂『 編碼 』,就是將新信息和自己的基本認知進行縫合,把328030524這串數字賦予意義,就是典型一個編碼方法。而具體來說,我們還有以下五種編碼方法可用:

01 形象化

把元素周期表上各元素的位置關係想像成鄰居關係,把三角函數的變化和其在直角坐標系中的圖像結合起來……我們在中學時期其實就已經使用了不少的形象化的工具,只是很多人在經歷過高考之後,便從沒有有意識的再去運用這種方法。

對任何的知識的學習,都可以動用形象化方法,比如將攝影中的曝光三要素:光圈、快門、ISO,分別想像成:水龍頭大小、水龍頭打開的時間、水的密度;再比如,用「手型」,也就是手指在吉他指板上的位置,來理解吉他上的音階的排列……

上面提到的四個形象化的例子,都是被很多人使用,「公開的秘密」,只要你留心看過的書,認聽課,都能發現不少這樣的好方法。但更進一步,如果你能發揮一些想像力,用自己的形象化的方法來理解更多的知識,才是更棒的事情。

02 動用五官

這和『 形象化 』的方法有一點類似,不同的是,它更強調你的『 五官感知 』,學習攝影的構圖,你能不能想像如何用一個有長寬邊界的二維平面去感受世界?在學習生物學的時候,你是否能想像那些被染色的,生動活潑的細胞?……

加入這些想像,能讓你在每次看到這些文字,運用這些知識時仿佛有身臨其境的感覺 —— 如此一來,『 編碼 』會順利很多。

03 個人的記憶和體驗

再進一步,你可以將個人的記憶或體驗與自己學習的知識結合起來,童年的一次惡作劇可能成為記憶一個歷史知識點的模型,喜歡的影視劇和遊戲可能幫助自己用更幽默的方式記憶和理解一個個概念……

總之,深入的挖掘那些深刻的記憶,然後把它和自己所學的東西結合起來。

04 把學習的場景也作為記憶的一部分構建起來

在一次實驗中,研究人員讓三組人分別在安靜的教室、有爵士樂的教室、有古典樂的教室學習一組單詞表,考試的結果顯示:在有爵士樂的教室學習,並在有爵士樂的教室考試的學生和在有古典樂的教室學習,並在有古典樂的教室考試的學生成績是最高的。(Steven M. Smith,1985)

心理學家對此的解釋是,音樂給了人「更生動的」回憶,如果在考試,也就是在提取信息時播放相同的音樂,能夠刺激記憶提取。

當然了,我們不可能在考試的時候播放音樂,那到底怎麼利用這個方法呢?

凱裡在他的《如何學習》一書中講了自己的故事:讀大學時,他深夜還在教學樓複習,和一位退休的物理學教授搭上話,兩個人不時有一些交流,而在那個特殊的場景下教授講的所有東西,他都記得清清楚楚,每次都能通過回想那生動的場面回憶起那些知識。

所以,如果能在學習過程中適當構建一些生動的場景,多和老師同學在不同的場景下討論問題,也能很好的提高對知識的記憶。

05 深入了解其背景知識,建立一個個組塊和層次

先一起來看看黑格爾的《小邏輯》中的一段話:「對於思辨意義的概念與通常所謂概念必須加以區別,認為概念永不能把握無限的說法之所以被人們重述了千百遍,直至成為一個深入人心的成見,就是由於人們只知道狹義的概念,而不知道思辨意義的概念。」

這當中的『 思辨意義的概念 』,任你如何形象化,如果結合個人體驗,都是難以理解的;但如果你知道康德的基本立場:我們用先天存在的範疇理解世界,你便能明白這句話是黑格爾在針對康德哲學做反思。

具體解釋一下:康德認為,人類用先天存在的範疇理解世界,一切事物都需要先掉進人類認知的「染缸」,被一系列先天範疇規定之後,才能被認知。

這實際上是一種『 不可知論 』—— 人只能藉助一系列工具去「理解世界」,而不是「直接認識和經驗世界」,所謂「真實」的世界是如何永遠不可能被我們認識到。

而黑格爾對康德的觀點的反思,就是區別了所謂『 狹義的概念 』和『 思辨意義的概念 』;可以看到,他顯然是把康德所說的『 先天範疇 』劃為『 狹義的概念 』,在黑格爾看來,康德用一個個有限的認知概念作為理解世界的基礎,自然會得出「概念永遠把握無限」的說法。

現在,再回過頭看看黑格爾那句話,是不是明朗了許多?

學習任何一個學科知識,任何一個概念,只要你能夠深入挖掘它和其他知識的聯繫,便能深入理解,最終建立起一個個組塊和系統,記憶知識,也就成了順理成章的事情。

後記

如果你想了解更多學習方法、閱讀方法等工具乾貨,可以來看看我的『 個人成長體系03:深度閱讀與學習 』專欄

我是單華偉,專欄作家,全網同名(均為「單華偉」或「小單個人成長體系」),我主要寫長文,偶爾寫點短篇和時評,我寫的文章都會不斷修改更新,加上(2.0)或者(3.0)之類的後綴重新發表,這是我的第一百八十一篇原創文章(各平臺更新不同,所以我發文不一定是按順序來的),所有從別處參考的內容我都會在文末標出,沒有標註的部分,那便是個人所思所想,歡迎轉發和分享我的文章。對文章中的內容有任何疑問,希望得到解答和幫助,歡迎在評論區留言或私信與我交流。

本文受維權騎士版權保護,任何包括但不限於圖文、音視頻形式的侵權行為將被追責。如果您看到疑似抄襲我文章的帳號,煩請幫忙舉報,感激不盡。商業轉載與合作請私信聯繫。

參考書目:

(美)本尼迪克特·凱裡 著;玉冰譯.如何學習[M].杭州:浙江人民出版社,2019.

References:

Steven M. Smith, 「Background Music and Context-Dependent Memory,」 American Journal of Psychology, Vol. 98, No. 4, Winter 1985, 591–603.

相關焦點

  • 變態「三角戀」?世界知識、大腦和計算是AGI的新「三駕馬車」
    即使我們沒打過棒球,我們也能想到這些東西,因為我們對這個世界是如何運作的,以及物體之間的相互作用有著深刻的理解。雖然沒有棒球經驗,但是我們見過類似的擊打行為,看到棒球時,我們能將之前的知識快速遷移到這個場景下,而這是當前人工智慧不具備的。
  • 《大腦簡史》:能靠大數據學習的功能,計算機都會比人類強
    「你這麼笨,腦袋跟鳥一樣大嗎?」「你記憶這麼差,大腦跟魚一樣嗎?」我們從這些罵人的話,可以得知一個背後的假設:一個生物腦子愈大,就愈聰明。如果這假設是對的,那麼鯨魚應該是萬物之靈,因為牠們的大腦最大。「人的大腦是一個特殊的器官,因為有自我意識,所以演化方式和其他器官不一樣。」現今科學界,也試著在計算機裡重建人腦功能,比如人工智慧。謝伯讓舉了一個將人工智慧發展到極端的例子,「如果未來計算機可以讓人類把自己的大腦百分之百上傳到雲端,然後人類可以選擇將上傳的大腦意識轉接不同的肉體,一旦有人做了這樣的選擇,就更證明,大腦可以完全擺脫生物基因的限制。」
  • 「思維圖」讀書多≠懂得多,如何讓大腦真正高效閱讀、學習?
    信息知識的不需要多,關鍵在於能吸收、內化的底層知識(心理學、認知行為學、神經科學等元理論)有多少。所以今天分享的就是我上完L先生智識營第一課的「高效閱讀、學習法」後,對於信息接受和知識獲取的延伸思考、更多領域應用。
  • 圖靈獎「擁抱」深度學習
    ACM(國際計算機協會)在美國當地時間 3 月 27 日公布了 2018 年圖靈獎的授予結果。ACM 將本屆圖靈獎頒給了深度學習領域,並且讚譽三位獲獎人為「深度學習之父」。「人工智慧是現在所有科學中發展最快的領域之一,也是社會上談論最多的話題之一。」ACM 主席 Cerri M. Pancake 說,「人工智慧的發展很大程度上歸功於由三位奠定基礎的深度學習領域內的最新成就。」「只要口袋裡有智慧型手機的人都可以切實體會到自然語言處理和計算機視覺方面的技術進步,這在十年前是無法想像的。
  • 俄羅斯億萬富翁的「全息永生」計劃,預計30年內將大腦上傳至電腦
    他在接受BBC採訪時說: 「在未來30年內,我將確保我們都能長生不老。我百分之百相信這會發生,否則我不會開始這項工作。」 「2045倡議」認為,有朝一日人腦的複雜結構將被精確的繪製出來,通過解碼人腦信息,再編碼,最終完整上傳至電腦上。「一個人的個性和思想」會完全「印」在人造大腦中。
  • 文獻分享|【week42】大腦的預測編碼
    「前言」終於把前面所有的文獻編號完畢,因為發現其實有好幾篇是重複的。而現在又在找另一個話題,也就是預測編碼理論,早在2003年,Kosslyn的一篇文章中就專門提到了這個理論,也就是我們的大腦對未發生的時間都有一個預期。隨後整理了六篇文獻,作為本周的主題。
  • 你會用印象筆記,打造「知識管理+行動系統」的第二大腦嗎?
    今天,我們邀請@歡喜老師,來給你分享如何用印象筆記打造「知識管理+行動系統」第二大腦的方法,讓知識原料成為知識資產,讓行動效率快如閃電。    我理解的知識管理是就像搭建一個腳手架。各種類型的知識模塊化,像磚塊一樣的按照框架往裡放,當需要某一方面的知識時,可以很容易的從裡面搬出需要的磚塊,從而將存儲的筆記變成模塊化的知識資產。  整個知識管理系統,就是將所有的知識模塊化、清單化、流程化、表格化、模板化,形成一個又一個框架。這些框架最終會匯總在一張表中,按照一個邏輯排列下來。
  • 魏坤琳:終身學習者如何善用大腦?來自認知科學的建議
    認知科學提倡遵從大腦規律學習,大腦學習規律有哪些?該如何利用這些規律助力終身學習?掌握大腦三大規律大腦有以下三個特點可被應用到學習上:1)大腦永遠想偷懶;2)大腦永遠愛新奇,渴求模式;3)大多知識以內隱形式存在。
  • 那些影響「安防新十年」的世界級科學家們
    而在自主創新與新基建的時代浪潮推動下,前沿技術將進一步走到臺前。那麼下一個十年安防技術的趨勢是什麼?「中國人工智慧安防峰會 」給出的答案是:城市大腦數字視網膜化、機器視覺三維化、數據建模聯邦學習化。數字視網膜、三維視覺、聯邦學習,對應的世界級領軍科學家,分別是高文、權龍、楊強。
  • 高手皆如此:像蜘蛛一樣去學習,像猛獸一樣去生活
    畢竟我也沒辦法飛到你身邊,手把手把每一步都教給你。(捂臉)好了, 不開玩笑。今天,我想跟大家好好聊聊這個問題,希望能給你一些啟發。眾所周知,我們的大腦有一個特徵:鍾愛穩定,排斥一切不穩定。可以說,大腦一直在做的事情,就是試圖把需要費腦子、需要主動思考的「不穩定狀態」,轉變成無需動腦的「穩定狀態」。
  • 一部「最強大腦」的八季簡史,是如何練就的?
    這不禁讓人思考:《最強大腦》作為一檔已經步入第八季的綜N代節目,到底靠什麼實現持續「保鮮」?從「破圈」到「登頂」如果說上一季《最強大腦》的關鍵詞是「圈層賽制」,那麼第八季的核心關鍵詞則是「向上攀登」。從第一期節目開始,節目組上來就進行了自我「破圈」,啟用了全新的賽制體系——「腦力天梯榜」。在新的賽制下,每輪比賽周節目組會根據選手的挑戰結果增加或扣除相應積分,並按照當前累積積分更新「天梯榜」。整季節目將不定期「鎖榜」,每次鎖榜時累積積分排名末位的若干位選手將被淘汰。
  • 李飛飛對話頂級神經學家:大腦做「微積分」,最高效GPU但很浪費
    第一個領域都是些理論學家:這幫人試圖理論化和提取關於大腦如何計算,大腦如何表現,大腦如何產生行動的一般原則。第二個領域都是信奉神經網絡的建模師:那些真正懂得如何做深度卷積網絡,懂得如何做循環神經網絡,並且能夠將簡單問題進行建模的人。
  • 中科院自動化所餘山:對大腦的未知,並不阻礙借鑑大腦,成就智能
    對於人工智慧研究,腦科學無異是最重要的「他山之石」了。近年來,人工智慧在經歷過一波由深度學習帶來的火爆之後,已然進入深水區;如何通向強人工智慧,逐漸成為智能研究的各界人士共同關注的中心話題。「類腦計算」正是智能研究人員嘗試以腦科學之「石」攻智能之「玉」的重要方向。
  • 以史為鑑:從數字計算機到知識圖譜的這 60 多年
    此外,我們將每個時代劃分為「數據」,「知識」和「數據+知識」來組織相關的思想、技術和系統。 我們以幾十年為一個周期,但我們也意識到,周期之間的界限實際上較為模糊[4]。文中參考的相關論文,本文都會一一列出。
  • 從「腦機接口」到「金剛狼的皮膚」,7位科學家的科幻之旅
    「我們製造出一種計算機電子旁路,將採集到的腦電信號繞過損傷部位,以數字形式傳輸至一個可穿戴式的全新機械身體中,」米格爾說,「2012年,FIFA宣布由巴西主辦2014年世界盃足球賽,當時我意識到,可以在開幕式上做些嘗試 。」 後來的故事我們都知道了,那個癱瘓的男孩在2014年巴西世界盃開幕式上開出了奇蹟般的一球。
  • 重磅| 谷歌大腦養成記:從識別貓到突破性機器翻譯
    當時,我們像往常一樣坐在一間帶有白板的會議室,他在白板上密密麻麻寫上谷歌大腦的時間軸,以及與近期神經網絡的歷史拐點的關係。「現在計算機有了眼睛,我們可以圍繞現有的能力建造眼睛從而理解不同的難題。」他們建造的這些能力看起來很簡單,但影響很大。圖:Geoffrey Hinton2.
  • ...大腦找答案|人工智慧|深度學習|腦科學|神經科學|計算機_網易科技
    他分享了如何來設計未來的神經形態計算機。首先必須具備異構的網絡結構,其次包含時序動力學的神經元非線性,要構建基於突觸可塑性的信用分配算法不僅實現模式識別這樣深度學習裡面已經非常成功應用的各種算法,而且要實現學習-記憶融合的認知計算,我們未來把大腦搬進機箱讓它實現知識的表達、知識的學習、認知以及環境的交互。
  • 李彥宏:人工智慧剛剛走到石器時代,但未來它會像電流一樣普遍
    2012年,我注意到深度學習在學術界和應用方面都有了突破。比如,用深度學習的方法來識別圖像,突然就比以前的任何算法都有明顯提升。這個時候我馬上意識到,新的時代來臨了,搜索將被革新。過去我們用文字搜索,現在可以用語音和圖像進行搜索。比如我看到一株不認識的植物,拍一張照片上傳搜索,就可以立刻識別出來它叫福祿桐。過去用文字搜索是沒法描述這樣的植物的。
  • 敲開圖靈之門:量子計算機的「前世、今生、未來」
    我們都已經習慣了使用現代計算機。每年,像英特爾、AMD、ARM 以及英偉達這樣的行業巨頭都會發布各自的下一代頂級矽晶片,彼此之間競爭角逐,不斷挑戰傳統計算機的極限。如果我們嚴格評估這些多核 CPU、GPU 和龐大的雲計算集群,則很快就會意識到速度更快的處理器並不一定增加計算能力。說實話,在過去幾十年裡,計算速度以及能夠處理的數據都呈指數級增長。
  • 教程| 無監督學習中的兩個非概率模型:稀疏編碼與自編碼器
    作者:Ruslan Salakhutdinov參與:Smith「無監督學習」(UnsupervisedLearning)現在已經成為深度學習領域的熱點。和「有監督學習」相比,這種方法的最大優勢就在於其無須給系統進行明確的標註(label)也能夠進行學習。